{"id":2989,"date":"2025-02-27T13:21:45","date_gmt":"2025-02-27T13:21:45","guid":{"rendered":"https:\/\/websites.fraunhofer.de\/iwes-blog\/?p=2989"},"modified":"2025-03-31T08:09:11","modified_gmt":"2025-03-31T08:09:11","slug":"optilessi-eine-toolchain-fuer-die-optimale-auslegung-und-den-optimalen-betrieb-lokaler-energiesysteme","status":"publish","type":"post","link":"https:\/\/websites.fraunhofer.de\/iwes-blog\/optilessi-eine-toolchain-fuer-die-optimale-auslegung-und-den-optimalen-betrieb-lokaler-energiesysteme\/annika-holthoff","title":{"rendered":"OPTILESSi \u2013 Eine Toolchain f\u00fcr die optimale Auslegung und den optimalen Betrieb lokaler Energiesysteme"},"content":{"rendered":"\n

Seit Beginn der Energiewende im deutschen Stromversorgungssystem geht die Entwicklung in Richtung Dezentralisierung. Im Gegensatz zum fr\u00fcheren Stromversorgungssystem mit gro\u00dfen zentralen Kraftwerken haben Stromversorgungssysteme mit einem hohen Anteil an erneuerbaren Energien eine dezentrale Topologie mit verteilter Stromerzeugung. Dar\u00fcber hinaus gewinnen Speichereinheiten zunehmend an Bedeutung, um die nicht planbare Stromerzeugung aus erneuerbaren Energien an den Stromverbrauch anzupassen. Energiespeichersysteme, die von Natur aus einen bidirektionalen Stromfluss erm\u00f6glichen, machen den Betrieb der dezentralen Stromerzeugung komplexer. Diese Komplexit\u00e4t erfordert eine sorgf\u00e4ltige Abw\u00e4gung der Betriebsstrategien und der Dimensionierung. Am Fraunhofer IWES untersuchen wir die Machbarkeit der gleichzeitigen Optimierung von Dimensionierung und Betrieb lokaler Energiesysteme.<\/p>\n\n\n\n

Da wir sowohl die Dimensionierung als auch den Betrieb verschiedenster Energiesysteme unter unterschiedlichen regulatorischen Rahmen- und Randbedingungen optimieren wollen, ist die Flexibilit\u00e4t bei der Systemauswahl von entscheidender Bedeutung. Dieser Ansatz erm\u00f6glicht ma\u00dfgeschneiderte L\u00f6sungen, die sich an spezifische regionale Anforderungen, regulatorische Vorgaben und Technologien anpassen lassen, und stellt sicher, dass jedes lokale Energiesystem sowohl effizient als auch zuverl\u00e4ssig ist, um den Energiebedarf zu decken. Durch die Integration von Flexibilit\u00e4ten in unsere Analyse k\u00f6nnen wir die vielf\u00e4ltigen Herausforderungen, die der \u00dcbergang zu einer dezentralen und auf erneuerbaren Energien basierenden Energielandschaft mit sich bringt, besser bew\u00e4ltigen.<\/p>\n\n\n\n

Was sind lokale Energiesysteme?<\/strong><\/h4>\n\n\n\n

Der Wandel des Energiesystems hin zu einem dezentralen System mit verteilter Stromerzeugung und -speicherung erfordert eine neue Sichtweise auf das Energiesystem als vernetzte lokale Energiesysteme. Ein lokales Energiesystem ist eine Ansammlung verteilter Energieressourcen, wie z. B. erneuerbare Energiequellen, Energiespeichersysteme und lokale Energieverbraucher. <\/p>\n\n\n\n

Das lokale Energiesystem fungiert als eine Einheit, wodurch die lokale Energienutzung einfacher verwaltet und optimiert werden kann. Es sollte so konzipiert sein, dass es effizient mit anderen lokalen Energiesystemen interagiert und zur allgemeinen Stabilit\u00e4t des Stromnetzes beitr\u00e4gt. Ein lokales Energiesystem kann bei Bedarf unabh\u00e4ngig (wie ein Mikronetz) betrieben werden, was eine flexible Anpassung an die Systemanforderungen erm\u00f6glicht. Es kann auf verschiedenen Spannungsebenen (niedrig, mittel, hoch) funktionieren und verschiedene Energiearten nutzen, darunter chemische (wie Brennstoffe), elektrische (wie Strom) und thermische (wie W\u00e4rme). Zusammenfassend l\u00e4sst sich sagen, dass ein lokales Energiesystem verschiedene Energieressourcen und -lasten integriert, um das lokale Energiemanagement zu verbessern und die Netzstabilit\u00e4t zu unterst\u00fctzen.<\/p>\n\n\n\n

Wie k\u00f6nnen lokale Energiesysteme mithilfe der OPTILESSi-Toolchain dimensioniert werden?<\/strong><\/h4>\n\n\n\n

Um ein lokales Energiesystem mithilfe der OPTILESSi-Toolchain zu dimensionieren, wird im Projekt OPTILESSI des Fraunhofer IWES ein Modell auf der Grundlage der Auswahl von Komponenten erstellt, das ein hohes Ma\u00df an Anpassungsf\u00e4higkeit an verschiedene Konfigurationen erm\u00f6glicht. Durch die Auswahl spezifischer Komponenten passt sich das Modell dynamisch an und spiegelt die einzigartigen Eigenschaften und Energiebilanzen der ausgew\u00e4hlten Elemente wider. Das Modell kann Erzeugungseinheiten wie Windturbinen und Photovoltaik-Anlagen, ein Batteriespeichersystem oder einen Wasserstoffspeichertank sowie Umwandlungseinheiten wie einen Elektrolyseur und eine Brennstoffzelle enthalten, die den gespeicherten Wasserstoff bei Bedarf wieder in Elektrizit\u00e4t umwandelt. Dar\u00fcber hinaus kann eine Auswahl getroffen werden, ob eine Netzanbindung einbezogen werden soll oder ob der Schwerpunkt ausschlie\u00dflich auf dem Eigenverbrauch des erzeugten Stroms und Wasserstoffs zur Deckung des lokalen Bedarfs liegen soll. Die Konfigurationsoptionen sind in Abbildung 1 dargestellt.<\/p>\n\n\n\n

\"\"<\/a>
Abbildung 1: Konfigurationsoptionen \u00a9 Fraunhofer IWES<\/em><\/figcaption><\/figure>\n\n\n\n

Nachdem das System definiert wurde, besteht der n\u00e4chste Schritt darin, die Rahmenbedingungen festzulegen. Dazu geh\u00f6ren die Festlegung technischer Parameter, Projektkennzahlen und Energiebedarfe. Dar\u00fcber hinaus k\u00f6nnen die Ziele der Optimierung ausgew\u00e4hlt werden. Ein Ziel kann beispielsweise das wirtschaftliche Optimum durch die Teilnahme am Energiemarkt sein. Auch andere Verg\u00fctungsmodelle, wie z. B. das Anbieten von Systemdienstleistungen oder das Erhalten staatlicher Subventionen, k\u00f6nnen untersucht werden. Alternativ kann der Schwerpunkt auf die lokale Energieversorgung gelegt werden, bei der Zuverl\u00e4ssigkeitsbedingungen festgelegt werden, um sicherzustellen, dass die Nachfrage durchgehend gedeckt wird. Das Modell verwendet dann Daten aus Energiem\u00e4rkten, Wetterbedingungen oder dem lokalen Netzstatus, um seine Berechnungen durchzuf\u00fchren. Es kann zudem aktuelle regulatorische Anforderungen ber\u00fccksichtigen. Dieser Ansatz erm\u00f6glicht eine umfassende Analyse, die auf die spezifischen Bed\u00fcrfnisse und Ziele des lokalen Energiesystems zugeschnitten ist.<\/p>\n\n\n\n

Sobald alles konfiguriert ist, erfolgt die modellbasierte Optimierung. Damit das Modell linear ist, wird davon ausgegangen, dass die Wirkungsgrade aller Anlagen \u00fcber verschiedene Betriebsbedingungen hinweg konstant bleiben und dass sich die Energie- und Leistungskapazit\u00e4ten der Anlagen w\u00e4hrend des gesamten Projektlebenszyklus nicht \u00e4ndern. Die Linearit\u00e4t ist wichtig, da so schnellere und einfachere Optimierungen \u00fcber lange Projektlaufzeiten hinweg erm\u00f6glicht werden. Durch Nebenbedingungen wird sichergestellt, dass alle Betriebsvariablen innerhalb definierter Grenzen bleiben und dass die Leistungseing\u00e4nge und -ausg\u00e4nge maximale und minimale Betriebsschwellenwerte einhalten.<\/p>\n\n\n\n

Die zu optimierenden Gr\u00f6\u00dfen sind die Nennleistung oder Kapazit\u00e4t der ausgew\u00e4hlten Komponenten. Zus\u00e4tzlich zu den optimierten Gr\u00f6\u00dfen gibt das Modell auch optimierte Betriebsprofile aus, die die optimalen Leistungskurven aller Komponenten veranschaulichen. Diese Profile sollen sicherstellen, dass der Energiebedarf oder die Zielvorgaben effektiv erf\u00fcllt werden. Durch die Analyse dieser Betriebsprofile k\u00f6nnen die Beteiligten verstehen, wie jede Komponente im Laufe der Zeit optimal betrieben werden kann, um die Effizienz zu maximieren und den Betrieb mit den festgelegten Zielen des lokalen Energiesystems in Einklang zu bringen. Dar\u00fcber hinaus werden Leistungskennzahlen (KPIs) generiert, um verschiedene Aspekte des Systems zu bewerten, darunter die wirtschaftliche Leistung, die Einhaltung der Versorgungssicherheit und die Gesamtauslastung des Systems.<\/p>\n\n\n\n

\"\"<\/a>
Abbildung 2: Modellbasierte Optimierung eines lokalen Energiesystems \u00a9 Fraunhofer IWES<\/em><\/figcaption><\/figure>\n\n\n\n

Wie lassen sich der Betrieb und die Gr\u00f6\u00dfe eines lokalen Energiesystems gleichzeitig optimieren?<\/strong><\/h4>\n\n\n\n

Die Abstraktionsebene, die Beschr\u00e4nkungen und die Zielfunktion des Modells sind so strukturiert, dass ein Ansatz der linearen Programmierung (LP) m\u00f6glich ist, sodass das Problem mit einem LP-Solver gel\u00f6st werden kann. Diese Art von Problem erfordert die Umwandlung des Problems in eine Matrixformulierung, ausgedr\u00fcckt als Minimierung einer Funktion, die Gleichheits- und Ungleichheitsnebenbedingungen sowie Beschr\u00e4nkungen der Entscheidungsvariablen unterliegt.<\/p>\n\n\n\n

Der Entscheidungsvariablenvektor umfasst sowohl Betriebsvariablen als auch Komponentengr\u00f6\u00dfen. Die Betriebsvariablen sind die Lade- und Entladeeinheiten und die Leistungsprofile der Erzeugungs- und Umwandlungseinheiten. Alle Betriebsvariablen haben einen spezifischen Wert f\u00fcr jeden Abtastzeitpunkt, d. h. alle 60 Minuten eines Jahres. Durch zeitliche Diskretisierung der Ableitungen mit der Euler-Vorw\u00e4rtsmethode k\u00f6nnen rekursive Gleichungen f\u00fcr die Systemzust\u00e4nde erstellt werden, sodass die Formulierung der Zustandsgleichungen in diskreten Zeitintervallen m\u00f6glich ist.<\/p>\n\n\n\n

Es werden Ungleichheitsnebenbedingungen hinzugef\u00fcgt, um sicherzustellen, dass die Zust\u00e4nde innerhalb der vorgegebenen Grenzen bleiben. Dies f\u00fchrt zu mehreren Ungleichheitsnebenbedingungen, einschlie\u00dflich derer, die sich auf den Ladezustand und die Leistungseing\u00e4nge beziehen. Zus\u00e4tzlich werden untere und obere Schranken definiert, um den Suchraum f\u00fcr die Dimensionierungsvariablen auf der Grundlage benutzerdefinierter Auswahlm\u00f6glichkeiten einzuschr\u00e4nken.<\/p>\n\n\n\n

Beispiel f\u00fcr eine lokale Energiesystemoptimierung<\/strong><\/h4>\n\n\n\n

Dieses Beispiel zeigt ein lokales Energiesystem, das eine Windenergieanlage, einen Elektrolyseur, einen Wasserstoffspeicher, eine Brennstoffzelle und einen Netzanschluss umfasst. Das System nimmt an der Day-Ahead Auktion der Stromb\u00f6rse EPEX SPOTteil, erh\u00e4lt eine EEG-F\u00f6rderung in \u00dcbereinstimmung mit dem deutschen Rechtsrahmen und bietet Engpassmanagement an. Das bedeutet, dass das System der Speicherung von Strom Vorrang einr\u00e4umt, wenn die \u00dcbertragungskapazit\u00e4t des Stromnetzes begrenzt ist. Ziel der Optimierung ist es, die Einnahmen zu maximieren und gleichzeitig die Lebenszykluskosten (LCC) auf einem Minimum zu halten, um so die wirtschaftliche Leistung des Systems zu steigern. Abbildung 3 veranschaulicht den gew\u00e4hlten Ansatz sowie die optimierten Gr\u00f6\u00dfen der Komponenten.<\/p>\n\n\n\n

\"\"<\/a>
Abbildung 3: Beispiel f\u00fcr eine lokale Energiesystemoptimierung \u00a9 Fraunhofer IWES<\/em><\/figcaption><\/figure>\n\n\n\n

Abbildung 4 zeigt die Betriebsprofile des Elektrolyseurs, der Brennstoffzelle und der Windturbine. Der Elektrolyseur wird eingesetzt, wenn entweder die Netzeinspeisung aufgrund von Netz\u00fcberlastung begrenzt ist oder wenn die Entwicklung der Strompreise auf dem EPEX-Markt ein g\u00fcnstigeres Szenario f\u00fcr die sp\u00e4tere R\u00fcckverstromung von gespeichertem Wasserstoff schafft.<\/p>\n\n\n\n

\"\"<\/a>
Abbildung 4: Dynamische Betriebsprofile \u00a9 Fraunhofer IWES<\/em><\/figcaption><\/figure>\n\n\n\n

Insgesamt erm\u00f6glicht die OPTILESSi-Toolchain die Dimensionierung eines lokalen Energiesystems, das flexibel f\u00fcr verschiedene Anwendungen und regulatorische Bedingungen zusammengesetzt werden kann. Dies steht im Einklang mit dem \u00dcbergang zur Dezentralisierung und einer erh\u00f6hten Integration erneuerbarer Energien sowie den damit einhergehenden Herausforderungen der Netzstabilit\u00e4t. Durch die Ber\u00fccksichtigung unterschiedlicher Voraussetzungen, regulatorischer Rahmenbedingungen, Stromm\u00e4rkte und Anwendungsf\u00e4lle kann das System ein breites Spektrum von Anwendungen effektiv optimieren, das von wirtschaftlichen Analysen \u00fcber Stabilit\u00e4tsbewertungen bis hin zur Beurteilung der Versorgungssicherheit reicht.<\/p>\n\n\n\n

Mehr Informationen hier:<\/h4>\n\n\n\n